RESUMEN DE COMANDOS DE PYTHON

01 Operadores aritméticos

+ Suma

- Resta

* Multiplicación

/ División

** Potencia

// División entera

% Modulo o Resto

02 Operadores relacionales

< Menor que

<= Menor o igual que

> Mayor que

>= Mayor o igual que

== Igual

!= Diferente

03 Operadores lógicos

! Negación

and Conjunción

or Disyunción

!= Diferente

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 1

04 Para leer archivos que están en Google drive
from google.colab import drive
drive.mount('/content/drive')
df=pd.read_excel('/content/drive/MyDrive/ALUMNOS.xlsx')

05 Palabras clave o reservadas

and as assert async await
break class continue def def
elif else except False finally
for from global if import
in is lambda None nonlocal
not or pass raise return
True try while with yield

06 Funciones incorporadas o nativas

abs(x) Devuelve el valor absoluto del argumento que se le pasa.

bin(x) Convierte un número decimal a binario

chr(i) Devuelve una cadena de un carácter cuyo código ASCII debe estar en
el rango de 0 a 255

cmp(x, y) Compara los objetos x y y devolviendo un entero acorde con la

comparación

coerce(x, y) Devuelve una tupla de dos argumentos numéricos convertidos a un tipo

común

complex(real[,
Crea un número complejo con el valor real + imag*j
imag])

float(x) Convierte una cadena o número a coma flotante

hex(x) Convierte un número entero a una cadena hexadecimal

id(object) Devuelve la `identidad' de un objeto. Es un entero o entero largo

input([prompt]) Para introducir datos por consola

int(x[, radix]) Convierte una cadena o número a entero simple

int(numero,base) Convierte un numero escrito en la base

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 2

intern(string) Introduce string en la tabla de cadenas “internas''

len(s) Devuelve la longitud (el número de elementos) de un objeto

list(sequence) Devuelve una lista cuyos elementos son los mismos que los
de sequence en el mismo orden

locals() Devuelve un diccionario que representa la tabla de símbolos local actual

long(x) Convierte una cadena o número a un entero largo

max(s[, args...]) Devuelve el mayor elemento de una secuencia no vacía

min(s[, args...]) Devuelve el menor elemento de una secuencia no vacía

oct(x) Convierte un número entero (de cualquier tamaño) a una cadena octal

ord(c) Devuelve el valor ASCII de un carácter

pow(x, y[, z]) Devuelve x elevado a y; si se proporciona z, devuelve x elevado a y,

módulo z

range ([start,] stop[, Ésta es una versátil función para crear listas que contengan
step]) progresiones aritméticas.

raw_input([prompt]) Si se proporciona el argumento prompt, se escribe en la salida estándar

sin salto de línea al final

round(x[, n]) Devuelve el valor de coma flotante x redondeado a n dígitos tras la

coma decimal

str(object) Convierte un número a string

tuple(sequence) Devuelve una tupla cuyos elementos son los mismos que los
de sequence en el mismo orden

type(object) Devuelve el tipo de object

unichr(i) Devuelve la cadena Unicode de una carácter cuyo código Unicode es

el entero i

zip(seq1, ...) Devuelve una lista de tuplas, donde cada tupla contiene el i-ésimo
elemento de cada una de las secuencias de argumento

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 3

06 Métodos principales del Objeto String

capitalize() Convierte a mayúscula el primer caracter de un string

cuenta cuántas veces aparece una letra o un string dentro del string al
count(s1,s2)
cuál le aplicamos dicho método

Devuelve verdadero si el string acaba con el caracter o la cadena de

endswith()
caracteres indicado

find(“subcadena”[, Retorna un entero representando la posición donde inicia la subcadena

star, end]) dentro de cadena. Si no la encuentra, retorna -1

index(“subcadena”[, Busca el caracter que indiquemos y nos devuelve la primera posición

star, end]) en la que aparece.

Devuelve verdadero si todos los caracteres del string son

isalnum()
alfanuméricos

isalpha() Devuelve verdadero si todos los caracteres del string son del alfabeto

isdigit( Devuelve verdadero si todos los caracteres del string son dígitos

Devuelve verdadero si todos los caracteres del string están en

islower()
minúscula

Devuelve verdadero si todos los caracteres del string son espacios en

isspace()
blanco

Devuelve verdadero si todas las palabras del string empiezan en

istitle()
mayúscula

Devuelve verdadero si todos los caracteres del string están en

isupper()
mayúscula

lower() Convierte una cadena a minúsculas

lstrip() Elimina los espacios sobrantes al principio del string.

Reemplaza el caracter (o caracteres) que le indiquemos por el string

replace(x,y)
que queramos.

rstrip() Elimina los espacios sobrantes al final del string

Rompe el string en el caracter que le indiquemos y elimina dicho

split(x)
caracter

Devuelve verdadero si el string empieza con el caracter o la cadena de

startswith()
caracteres indicado

strip() Elimina los espacios sobrantes a principio y final del string

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 4

swapcase() Convierte a mayúscula las minúsculas y viceversa

title() Convierte a mayúscula el primer caracter de cada palabra de un string

upper() Convierte una cadena a mayúsculas

07 Métodos principales del Objeto Lista

Recibe un elemento como argumento y cuenta la cantidad de veces que

count()
aparece en la lista

extend() Extiende la lista agregando al final el iterable indicado por parámetro

Recibe un elemento como argumento y devuelve el índice de la primera

index()
aparición en la lista

insert(1,100) Añade 100 a lista en la posición 1

pop() Devuelve el último elemento de la lista y lo borra de la misma

remove() Recibe como argumento un elemento y borra su primera aparición de la lista

reverse() Devuelve la lista en orden inverso

sort() Devuelve la lista en orden

08 Métodos principales del Objeto Diccionario

clear() Elimina todos los elementos del diccionario dejándolo vacío

copy() Devuelve una copia del diccionario original

Recibe como parámetros un iterable y un valor y devuelve un diccionario

fromkeys() que contiene como claves los elementos del iterable con el mismo valor
ingresado

get() Recibe como parámetro una clave y devuelve el valor de dicha clave

keys() Acceder a todas las claves de un diccionario

items() Acceder a las claves y valores de un diccionario

pop() Recibe como parámetro una clave, la elimina y devuelve su valor

values() Acceder a todos los valores de un diccionario

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 5

Formas principales de crear un diccionario

dic={'CS':'Chiapas','CM':'Colima','DG':'Durango','JC':'Jalisco'}

dic=dict(CS='Chiapas',CM='Colima',DG='Durango',JC='Jalisco')

estado=['Chiapas','Colima','Durango','Jalisco']
clave=['CS','CL','DG','JC']
dic=dict(zip(clave,estado))

09 Métodos principales del objeto conjunto

add() Añadir un elemento a un conjunto

clear() Vacía el conjunto

discard() Para eliminar elementos de un conjunto

remove() Para eliminar elementos de un conjunto

update() Para añadir elementos de otro conjunto en el conjunto actual

10 Librería pandas

import pandas as pd Importar la librería pandas

from google.colab import drive

Para conectar el cuaderno actual
drive.mount('/content/drive')

df=pd.read_excel('/content/drive/
Cargar el archivo en google colaboratory
MyDrive/ALUMNOS.xlsx')

pd.set_option('display.max_rows',1000) Para mostrar n filas del df, por ejemplo 1000

df['CONTROL']=df['CONTROL'].astype(str) Para convertir la variable CONTROL a string

df.to_excel('archivo.xlsx', index=None) Guardar con el nombre archivo

Atributos

df.index RangeIndex(start=0, stop=4905, step=1)

df.columns.values Devuelve en un array el nombre de las

columnas del df

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 6

 Crea una lista con el nombre de las columnas
list(df)
del df

Devuelve el nombre de la columna y el tipo de

df.dtypes
dato

Devuelve el número de dimensiones que tiene

df.ndim
el dataframe

Devuelve una tupla con las dimensiones del

df.shape
dataframe

Devuelve número total de valores que tiene el

df.size
dataframe (filas x columnas)

Métodos

Devuelve un array con los datos únicos de una

df['CARRERA'].unique()
variable categórica

Devuelve el número de datos únicos de una

df['CARRERA'].nunique()
variable categórica

df.shape[0] Devuelve el número de filas del dataframe

df.shape[1] Devuelve el número de columnas del dataframe

df.head() Para visualizar las primeras filas del dataframe

df.tail() Para visualizar las últimas filas del dataframe

Devuelve el nombre de columna, el número de

df.info()
no nulos y el tipo de dato para cada columna

Muestra los estadisticos de las columnas

df.describe()
numéricas

Muestra los estadisticos de las columnas

df.describe().T
numéricas transpuesto

df.copy() Sirve para realizar una copia de un dataframe

df ['columna']
df ['columna'].head() Formas de seleccionar una columna del df
df.columna

df [['columna1', 'columna2']] Seleccionar dos o más columnas del df

df[‘col_nueva’] = 70 Agrega una columna con un valor constante

df[‘col_nueva’] = np.arange(0, 4905) Agrega una columna con un array

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 7

X=np.random.randint(1, 100, size=4905) Agrega una columna con un array de números
df[‘col_nueva’] = X aleatorios

serie=np.random.randint(1, 100, Inserta una columna en la posición 1, con

size=4905) nombre de columna números y una serie de
df.insert(1, 'numeros', serie) números aleatorios del 1 al 99

Operaciones en DataFrames (filas y columnas)

df[‘columna’].sum() Devuelve la suma de la columna

df[‘columna’].count() Devuelve la cuenta de la columna

df[‘columna’].mean() Devuelve la media de la columna

df[‘columna’].std() Devuelve la desviación estándar de la columna

df[‘columna’].max() Devuelve el valor máximo de la columna

df[‘columna’].min() Devuelve el valor mínimo de la columna

df[‘columna1] + df[‘columna2] Suma los valores de la columna1 y columna2

sum(df['Columna']) Devuelve la suma la columna

Devuelve el largo de todos los registros de la

df['CARRERA'].apply(len)
columna NOMBRE

El método value_counts()

df['CARRERA'].value_counts() Devuelve la frecuencia absoluta por CARRERA

df.value_counts('CARRERA') Devuelve la frecuencia absoluta por CARRERA

df['CARRERA'].value_counts
Devuelve la frecuencia relativa por CARRERA
(normalize=True)

df['CARRERA'].value_counts Devuelve la frecuencia relativa por CARRERA

(normalize=True).round(2) con 2 dígitos decimales

Ordenar un DataFrame con sort_values()

df.sort_values('columna') Ordenar por el criterio columna

df.sort_values('columna', Ordenar por el criterio columna, de manera

ascending=False) descendente

df.sort_values(['columa1', 'columna2'], Ordenar de manera descendente por múltiples

ascending=False, inplace=True) columnas y actualizar el dataframe

Cambiar el índice del df con set_index() y sort_index()

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 8

df.set_index('CONTROL', inplace=True) Establecer como índice el número de control

df.sort_index(inplace=True) Ordenar de acuerdo al índice

Renombrar columna e index con rename()

df.rename(columns={'CARRERA':'Carrera',
Cambiar el nombre de las columnas
'SEXO':'Sexo'}, inplace=True)

Filtrar un dataframe basado en una condición

Encontrar filas que tengan "DERECHO" en la

df['CARRERA']=='DERECHO'
columna "CARRERA"

df[df['CARRERA']=='DERECHO'] Filtrar el por la columna CARRERA

df[df['CARRERA']!='DERECHO']. Genera una Serie con las carreras que no son

value_counts('CARRERA') ‘DERECHO’ y la frecuencia

df[(df['CARRERA']=='DERECHO') & Filtra por carrera igual a ‘DERECHO’ y

(df['PROMEDIO']>90)] promedio > 90

df[((df['CARRERA']=='MEDICINA') |
Filtra por carrera igual a ‘MEDICINA’ o carrera
(df['CARRERA']=='DERECHO')) &
igual a ‘DERECHO’ y SEMESTRE igual a 4
(df['SEMESTRE']==4)]

df[df['CARRERA'].isin(['DERECHO',
Filtrar por carrera ‘DERECHO’ y ‘MEDICINA’
'MEDICINA'])]

filtro1=df['CARRERA'].
isin(['DERECHO','MEDICINA']) Filtrar por carrera ‘DERECHO’ y ‘MEDICINA’ y
filtro2=df['SEMESTRE'].isin([4,8]) por semestre 4 y 8
df[filtro1 & filtro2]

df.query("age>34") Seleccionar jugadores mayores a 34 años

Seleccionar jugadores mayores a 34 años de

df.query("age>34 and nationality=='Italy'")
Italia

df.query("not(age>34)") Agregar un operador de negación

Convertir la altura a metros y seleccionar

df.query("height_cm/100 > 1.8")
aquellos que midan más de 1.8

Método loc() vs iloc()

(nombre) (Posición)
Seleccionar con: loc iloc
Valor df.loc['cero'] df.iloc[0]
Lista df.loc[['cero','dos']] df.iloc[[0,2]]
Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 9
 Slicing df.loc['cero':'dos'] df.iloc[0:2]
Limpieza de datos

df.dropna() Elimina todos los registros que tienen NaN

Sustituye con cero todos los registros que

df.fillna(0)
tienen NaN

df.fillna({'Direccion':'Sin Sustituye los registros que tienen NaN por ‘Sin

direccion','Idioma':'Desconocido'}) dirección’ en la columna Dirección

df.drop_duplicates() Eliminar registros duplicados

Eliminar filas y columnas

df.drop(0,axis=0)
De las dos formas elimina la fila 0
df.drop(index=[0])

df.drop('SEXO',axis=1)
De las dos formas elimina la columna ‘SEXO’
df.drop(columns='SEXO')

df.drop(df1.columns[-1],axis=1) Elimina la última columna

df.drop(df1.columns[-3:],axis=1) Elimina las 3 últimas columnas

Obtener muestras aleatorias

df.sample(10) Obtiene una muestra de 10 elementos del df

df['CARRERA'].sample(10, Obtiene una muestra de 10 elementos de la

random_state=99) columna CARRERA, con una semilla de 99

Obtiene una muestra del 20% de elementos del

df.sample(frac=0.2, random_state=99)
df

Tablas dinámicas

tabla=df2.pivot_table(index='CARRERA',
columns=['SEMESTRE','SEXO'],values='CURP',aggfunc='count')

writer=pd.ExcelWriter('pivote.xlsx') # Guardar en el libro ‘pivote.xlsx’

pivot.to_excel(writer,'Hoja') # Guardar en la hoja ‘Hoja’
writer.save() # Guardar el archivo

Agrupar por

Agrupa por carrera, resumiendo por la cantidad

df.groupby('CARRERA').size()
de alumnos

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 10

 Agrupa por carrera, obteniendo la media de las
df.groupby('CARRERA').mean()
columnas numéricas

df.groupby('CARRERA')['PROMEDIO'] Agrupa por carrera y obtiene el promedio de la

.mean().round(2) columna PROMEDIO, redondeado a 2 decim.

df.groupby(['CARRERA','SEMESTRE']) Agrupa por carrera y semestre, obteniendo el

['PROMEDIO'].agg(['min','max']) mínimo y máximo de la columna PROMEDIO

Funciones

len(df) Devuelve la cantidad total de registros del df

max(df.index) Devuelve el índice máximo del df

min(df.index) Devuelve el índice mínimo del df

Redondea las columnas numéricas del df a n

round(df,n)
números decimales

type(df) Obtener el tipo de dato del df

type(df['columna']) Muestra el tipo de dato de la serie

11 Librería openpyxl

from openpyxl import load_workbook, Workbook Importar los métodos

from openpyxl.styles import Font, Color, Importar estilos de la librería openpyxl

Alignment, Border, Side, colors, PatternFill

Importar para convertir número de

from openpyxl.utils import get_column_letter
columna a letra de columna

libro = load_workbook(‘archivo.xlsx’) Abre un archivo

libro = Workbook() Crea un nuevo libro

libro.sheetnames Devuelve el nombre de las hojas del libro

hoja = libro.active Asigna a la hoja activa del libro

alumnos=libro.get_sheet_by_name('Alumnos') Asigna la hoja Alumnos del libro

hoja=libro['Hoja1'] Asigna la Hoja1 del libro

Devuelve las dimensiones de la hoja “R

libro['R Humanos'].dimensions
Humanos”

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 11

hoja.calculate_dimension() Devuelve el rango que tiene datos la hoja

hoja.title = 'Hoja1' Cambiar el nombre a la hoja

libro.create_sheet('hoja',0) Crear una hoja en la posición 0

del libro['hoja'] Eliminar una hoja

hoja.cell(row = 1, column = 1).value = 'Hola' Asigna a la celda A1 ‘Hola’

hoja[“A1”] = 'Hola' Asigna a la celda A1 ‘Hola’

libro['Hoja'].cell(row,column).value = “Tec” Asigna a la celda de la del libro

Devuelve el contenido de la celda C10 de

libro['Sheet']['C10'].value
la hoja Sheet del libro

hoja.row_dimensions[1].height = 70 Ajusta el alto de la fila 1

hoja.column_dimensions['B'].width = 20 Ajusta la dimensión de la columna B

libro.save('archivo.xlsx') Guarda el archivo

hoja.merge_cells('A1:D4') Combinar celdas

hoja.unmerge_cells('A1:D4') Separar celdas

hoja.cell(1, 1).font = Font(size = 24, italic = True,

Cambiar el estilo, color, forma y demás
bold = True, name = 'Arial', vertAlign=None,
parámetros de una celda
underline='none', color='ff0000')

hoja.min_row Devuelve el número mínimo de filas

hoja.max_row Devuelve el número máximo de filas

hoja.min_column Devuelve el número mínimo de columnas

hoja.max_column Devuelve el número máximo de columnas

Devuelve los nombres de las hojas del

libro.sheetnames
libro

rango = hoja['A1:E6'] Obtenemos las celdas del rango A1:E6

colb = hoja['B'] Obtenemos la columna B entera

fila5 = hoja['5'] Obtenemos la fila 5 entera

hoja.append(['col1', 2, 3232, 'col4', 'columna 5']) Se asigna a la última fila (sin datos) la lista

hoja['A10'] = "04/01/2024" Asignar una fecha

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 12

hoja['A10'] = datetime.datetime(2024, 1, 4)

hoja['A1'].number_format='#.##0' Dar formato a la celda con 3 decimales

hoja.freeze_panes = "A2" Inmovilizar paneles

hoja.auto_filter.ref = "A1:P200" Auto filtro

hoja["B2"] = "=AVERAGE(C2:C20)" Inserta una fórmula en la celda B2

rojo20 = Font(color=colors.RED, size=20) Tamaño de letra 20 y en color rojo

borde = Side(border_style="double")
borde_cuadrado = Border(top=borde, Establecer borde doble con “double” y
borde delgado con “thin”, borde medio
right=borde, bottom=borde, left=borde) con medium y borde grueso con thick
hoja["A5"].border = borde_cuadrado

centrado = Alignment(horizontal="center") Establecer el texto centrado

hoja["A4"].alignment = centrado

relleno=PatternFill(fill_type='solid', Asignar relleno

fgColor='A9F5F2')

relleno2=PatternFill(fill_type='darkGrid', Asignar relleno

fgColor='AAEEB5')

hoja.cell(1,2).fill=relleno Aplicar relleno

hoja.insert_rows(idx=3,amount=5) Insertar 5 filas, a partir de la fila 3

hoja.insert_cols(idx=3,amount=5) Insertar 5 columnas, a partir de la col. 3

hoja.delete_rows(2) Borra la fila 2

hoja.delete_cols(13) Borra la columna 13

get_column_letter(52) Devuelve AZ

Diferentes formas de recorrer un rango de datos

for i in range(hoja.max_row):
for j in range(hoja.max_column):
print(hoja.cell(i,j).value)

for x in hoja['A'][1:10]:
print(x.value)

for fila in hoja.iter_rows(min_row=1,max_row=10,min_col=1,max_col=4):

for i in fila:

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 13

 print(i.value,end=' ')

for fila in ventas.iter_rows(min_row=1,max_row=10,min_col=1,max_col=4):

for i,j in enumerate(fila):
print(i,j.value,end=' ')

for fila in hoja1.iter_rows(values_only=True):

print(fila) # muestra todos los registros en tuplas

lista = list(hoja.iter_rows(values_only=True)) # Guarda en una lista el rango de datos toda la

hoja
print(lista) # imprime la lista con tantas tuplas como filas tenga la hoja

lista=list(hoja['A2:D5']) # Guarda en una lista el rango de datos especificado

for tupla in lista: # recorre todas las tuplas de la lista
for celda in tupla: # recorre todas las celdas de la tupla
print(celda.value) # imprime el valor de la celda

12 Librería numpy

np.array.std Devuelve la desviación estándar de la población.

np.arange(9).reshape(3,3) Genera una matriz de 3 x 3 con números del 0 al 8

dot() Para hacer el producto matricial A x B

np.empty((m,n)) Para crear una matriz de ceros en notación científica de m x n

Para crear una matriz vacía con las mismas dimensiones de otra
np.empty_like(A)
matriz definida anteriormente

Crea un array entre los números 10 y 20, inclusive con 11

np.linspace(10,20,11)
elementos

np.matrix() Para crear matrices a partir de listas de listas

np.ones((m,n)) Para crear una matriz de unos

Para crear una matriz de unos con las mismas dimensiones de

np.ones_like(A)
otra matriz definida anteriormente

np.shape Devuelve las dimensiones de una matriz

np.zeros((m,n)) Para crear una matriz de ceros.

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 14

 Para crear una matriz de ceros con las mismas dimensiones de
np.zeros_like(A)
otra matriz definida anteriormente

rg=np.random.default_ Para fijar la semilla. Se guarda en un objeto rg. Siendo la semilla

por ejemplo 2. La ventaja de asignar a un objeto es que se ahorra
rng(2)
escritura. rg.choice(21,size=10,replace=False) es lo mismo que:
np.random.seed(2) np.random.choice(21,size=10,replace=False)

13 Librería matplotlib.pyplot

Gráfico de líneas
import matplotlib.pyplot as plt
plt.figure(figsize=(10,6)) # Tamaño de la figura
x=[2016,2017,2018,2019,2020,2021]
y=[45,46,47,48,50,51]
y1=[46,43,44,49,45,46]
plt.plot(x,y,marker='o',linestyle='--',color='g',label='México')
plt.plot(x,y1,marker='.',linestyle='-',color='b',label='Canada')
plt.xlabel('Años') # Etiqueta del eje x
plt.ylabel('Población') # Etiqueta del eje y
plt.title('Población en miles') # Titulo de la gráfica
plt.legend(loc='lower left') # Colocar leyenda abajo a la izquierda
plt.savefig('ejemplo.png') # Salvar la figura
plt.show()

Argumento marker: {“.”: “point marker”} {“o”:”circle marker”} {“v”:”triangle_down marker”}

{“^”:”triangle_up marker”} {“<”:”triangle_left marker”} {“>”:”triangle_right marker”}
Argumento linestyle: { “-“ } { “—“ } { “-.” } { “:” }
Argumento loc para la leyenda: {0:”best”} {1:”upper right”} {2:”upper left”} {3:“lower left”}
{4:“lower right”} {5:”right”} {6:”center left”} {7:”center right”} {8:”lower center”} {9:”upper
center”} {10:”center”}

Gráfica de las distribuciones normal y t

import scipy.stats as st # libreria para estadistica

z=[z/10 for z in range(-40,41)] # lista para el eje z de -4 a 4

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 15

fz=[st.norm.pdf(x) for x in z] # función de densidad de para z
plt.plot(z,fz)
for i in range(3,30,5):
ft=[st.t.pdf(x,i) for x in z] # función de densidad de para t
plt.plot(z,ft,lw='1',ls='--')
plt.show()
Gráfico de barras
x=['México','Chile','Perú']
y=[40,50,30]
plt.bar(x,y)
plt.show()
Gráfico circular o de pastel
x=['México','Chile','Perú']
y=[40,50,30]
plt.pie(y,labels=x)
plt.show()
Gráfico histograma

import numpy as np
alturas=np.random.randint(160,190,1000)
plt.hist(alturas,bins=10,edgecolor='black')
plt.title('Distribución de 1000 alturas')
plt.xlabel('Altura media en cm.')
plt.show()

Gráfico histograma gaussiano

numeros=np.random.normal(size=1000)
plt.hist(numeros,bins=12,edgecolor='r')
plt.title('Histograma de Gauss')
plt.show()

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 16

 Gráfico de caja y bigotes

uno=[22.4,18.9,16.7,14.05,16.2,20,16.1,16.3,19.1,16.5,18.5,19.8,17,14.3,17.2]
dos=[17.6,14.4,16.6,15,17.65,15,17.55,13.3,11.2,15.9,19.2,11.85,16.65,15.2,15.3]
data=pd.DataFrame(list(zip(uno,dos)),columns=['uno','dos'])
plt.boxplot(data)
plt.show()

Gráfico de dispersión

x=[2,6,8,8,12,16,20,20,22,26]
y=[58,105,88,118,117,137,157,169,149,202]
plt.scatter(x,y)
plt.show()

14 Otros funciones

Función Lambda: puede tener cualquier número de elementos, pero sólo una expresión
lambda argumentos: expresión.
fdadop=lambda i,n: (1+i)**n

Función map: esta función aplica otra función sobre cada elemento de un iterable.
map(función, iterable)
from math import sin,pi
x=[grados*pi/180 for grados in range(0,361,5)] # genera la lista
y=list(map(sin,x)) # se convierte a lista al aplicar la función map

Función filter: Esta función selecciona aquellos elementos de un iterable que cumplan una
determinada condición.
filter(función, iterable)
datos = range(1, 21)
list(filter(lambda x: x % 2 == 0, datos)) # devuelve una lista con los números pares del 1 al 20

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 17

Función reduce: para poder usar esta función debemos usar el módulo functools
from functools import reduce
reduce(lambda x, y: x * y, data)

Comprensión de listas: es una funcionalidad que nos permite crear listas avanzadas en una
misma línea de código.
lista=[x for x in range(101) if x%2==0]
lista=[True if x%2==0 else False for x in range(101)]

Función apply: Devuelve una serie con el resultado de aplicar la función f, a cada uno de los
elementos de la serie.
serie.apply(f)

serie=pd.Series(list(range(21)))
e = sum(2**serie/serie.apply(mt.factorial))
e # devuelve 7.389056098930604

𝑥3 𝑥5 𝑥7 𝑥9
𝑆𝑒𝑛(𝑥 ) = 𝑥 − + − + ...
3! 5! 7! 9!
serie=pd.Series(np.arange(1,25,2)) # para la función apply se requiere una serie
expo=np.arange(12) # para el exponente para alternar el signo
seno = sum((mt.pi/3)**serie/serie.apply(mt.factorial)*(-1)**expo)
seno # devuelve 0.8660254037844385

Elaborado por Jorge A. Mijangos L. y Jorge A. Orozco T. pág. 18